Aleria Judge (MORJ)
⚠️ Por que não é um modelo
Sem treino: lê as probabilidades de próximo token do Gemma-4-31B puro sobre ordens rotacionadas das opções. Sem pesos de decisão próprios, então sem página de modelo (precedente: simple-jev, AnyJev).
Especificações técnicas
- LLMs base
- google/gemma-4-31B-it (puro), nvidia/Gemma-4-31B-IT-NVFP4 (TensorRT-LLM, só texto)
- Tipos de decisão
- choice, score, boolean
- Features
- training-free, option-order-debiasing, prefill-only-engine, images, systemone-api, playground
- Licença
- Apache-2.0
Links
O Aleria Judge (GitHub, Apache-2.0, 17 estrelas) transforma o Gemma 4 31B puro num servidor de decisões tipadas numa GPU de 80 GB. Foi publicado como MORJ (a URL do GitHub ainda redireciona); o README agora o chama de Aleria Judge 1.1.0. Você envia um estado (texto, qualquer JSON, até oito imagens) e perguntas tipadas (escolha de até 255 opções, sim/não, score ordinal) para POST /v1/systemone e recebe probabilidades. Não há fine-tuning nem texto gerado.
Como funciona
Cada pergunta vira alguns prompts no layout estado-primeiro do Mapika/decider, e o motor lê o softmax sobre os tokens dos rótulos das opções num único prefill:
- Duas ordens das opções: a original e uma rotacionada pela metade, promediadas, para cancelar o viés de posição. Rotações de um quarto e três quartos entram quando as duas discordam numa pergunta com três ou mais opções (cerca de 10% dos requests).
- Nota de nove dígitos para toda pergunta de duas opções, nas duas ordens, para que respostas sim/não quase certas ganhem probabilidades espalhadas (importa para Brier e ranking).
- Temperatura por número de opções nas perguntas com três ou mais opções, ajustada nos dados de treino dos autores.
- Esforço por request (
low,medium,high); o padrão e o kit do Decision Index usamhigh.
O motor padrão é um motor de prefill “em árvore de tokens” (estado e imagens compartilhados de cada request são codificados uma vez); o TensorRT-LLM continua disponível, inclusive com um checkpoint NVFP4 (só texto, cerca de 1 ponto abaixo). Um playground na porta 30104 mostra o que o motor fez em qualquer request.
Por que não é página de modelo
O Aleria Judge não acrescenta pesos treinados: as decisões vêm de um layout de prompt, média de rotações e lógica de leitura sobre o checkpoint google/gemma-4-31B-it puro. É a mesma classe do simple-jev e do AnyJev. A entrada no board é evidência do método, não de um modelo.
Posição no board (oficial)
Decision Index 0.3.2, dados gerados em 16/10/2026 19:00 UTC. Full = 0,2 público + 0,5 mesmas habilidades + 0,3 domínios novos.
| MORJ 1.0.1 (Gemma 4 31B) | Jev 1.13 | |
|---|---|---|
| Full | 60,96 (#14) | 60,11 (#18) |
| Público | 60,24 (#21) | 57,96 (#37) |
A diferença de Full para o Jev é 0,85, dentro da faixa de empate de 0,9 do board, então o board os lista empatados (posição 5 no grupo de empate). A linha do board é a versão 1.0.1; o README descreve a 1.1.0, cuja própria rodada pública deu 60,23 em texto (todos os 140.620 requests respondidos; mediana de 97 ms, p80 de 393 ms, média de 312 ms numa RTX PRO 6000) e 73,38 na suíte de visão. Essas são rodadas dos autores, sem revisão dos mantenedores. A mesma GPU mediu 173 ms de mediana para o motor TensorRT-LLM anterior. Existe um repositório de dataset (Aleria-AI/morj-decision-index) e nenhum repositório de modelo no Hugging Face.
Quando usar / quando evitar
Serve para: quem quer um endpoint de decisões tipadas sobre um Gemma 4 31B sem modificação, totalmente on-premise ou air-gapped, com imagens e um motor transparente.
Evite quando: precisar de um modelo com pesos treinados, de pegada menor (GPU de 80 GB) ou de API hospedada.
Limites
- Exige uma GPU de 80 GB para o padrão BF16; o caminho NVFP4 é só texto e pede GPU Blackwell.
- A linha do board (1.0.1) e o README (1.1.0) são releases diferentes.
- Valem os termos de licença do Gemma 4 para o modelo base.
